numpyの（数値Pythonは）Pythonライブラリの拡張です。配列と行列演算のサポート寸法は、数学ライブラリの多くを提供しています。
ndarrayカテゴリ：numpyの配列クラスはndarray呼ばれています
属性：
ndarray.ndimは、アレイの次元を表します。
ndarray.shapeは、各次元の配列の大きさを表すために、整数の組です。例えば、n個の行及びM -columnマトリックス、形状がある（N、M）。
ndarray.sizeはに等しいアレイ内の要素の数を表す形状のすべての整数の積を
ndarray.dtype配列型の要素を記述するために使用
ndarray.itemsize各配列要素のバイトサイズを示すために使用さ
numpyのインポートとしてのNP A = np.arange（10）.reshape（2、5 ） アレイ（[ 0、1、2、3、4 ]、 [ 5、6、7、8、9 ]） 注意：サイズ= N * M否则会报错
a.shape （2、5 ） a.ndim 2 a.size 10 a.dtypeの DTYPE（' INT32 ' ） a.itemsize 4
アレイの作成
リストまたは直接使用してタプル
としてインポートnumpyのNPを np.array =（[1,2,3,4,5,6]） B = np.array（（1,2,3,4,5,6）） A アレイ（[1、2 ,. 3 ,. 4 ,. 5 ,. 6]） Bの 配列（[1、2 ,. 3 ,. 4 ,. 5 ,. 6]）
に渡されたパラメータは、同一構造である必要があり、構造が同じ変換が発生しないで
numpyのは、特定の配列を作成するための便利な方法を提供します
A = np.zeros（（3,3））
アレイ（[0、0、0]、
[0、0、0]、
[0、0、0]]）
A = np.ones（[2,4]）
アレイ（[1、1、1、1]、
[1、1、1、1]]）
C = np.arange（15）
アレイ（[0、1、2、3、4、5、6、7、8、9、10、11、12、13、14]）
E = np.arange（15）.reshape（5,3）
アレイ（[0、1、2]、
[3、4、5]、
[6]、[7]、[8]、
[9、10、11]、
[12、13、14]]）
g = np.arange(0,15,3)
アレイ（[0、3、6、9、12]）
h = np.arange(0,3,0.4)
アレイ（[0、0.4、0.8、1.2、1.6、2、2.4、2.8]）
アレイの基本的な演算（加算、減算）
添加の位置に対応して、減算、これは導入していない、非常に簡単です
numpyのでは、*アレイ素子間の乗算ではなく、行列乗算は、行列乗算を用いることができるdot()達成するための方法を
= np.array（[1,2]、[4,5]）
B = np.array（[0,1]、[0,1]）
アレイ（[1、2]
[4、5]）
のB
配列（[0、1]、
[0、1]]）
* Bは
配列（[0,2]、
[0,5]）
a.dot（b）の
配列（[0,3]、
[0,9]）
要約行列積：
行列の列の数が第2の行列に等しい行数は、マトリックスは2で乗算することができる唯一の1
2.行列の乗算は、AB可換ではありません！= BA
3.消去率行列の乗算は、たとえば、満たされていない：AB = AC、およびA！= 0 B = Cを導入することができません
ndarrayクラスは、合計、最大値、最小値などの1つ元の数のアレイを動作させる方法を実現します。
a = np.random.random((2,3))
求和：a.sum()最小值：a.min()
最大值：a.max()
axis = 0表示列操作
axis = 1表示行操作